最新章節(jié)

• 習(xí)題
• 7.11.3 模糊神經(jīng)算法
• 7.11.2 模糊神經(jīng)網(wǎng)絡(luò)模塊
• 7.11.1 模糊模塊及模糊神經(jīng)網(wǎng)絡(luò)模塊
• 7.11 系統(tǒng)模糊神經(jīng)模塊的結(jié)構(gòu)及算法分析
• 7.10.2 確定所用的模糊規(guī)則及系統(tǒng)的輸出

• 習(xí)題 更新時(shí)間：2018-12-27 16:09:22
• 7.11.3 模糊神經(jīng)算法
• 7.11.2 模糊神經(jīng)網(wǎng)絡(luò)模塊
• 7.11.1 模糊模塊及模糊神經(jīng)網(wǎng)絡(luò)模塊
• 7.11 系統(tǒng)模糊神經(jīng)模塊的結(jié)構(gòu)及算法分析
• 7.10.2 確定所用的模糊規(guī)則及系統(tǒng)的輸出
• 7.10.1 確定系統(tǒng)所屬語言值
• 7.10 系統(tǒng)的工作過程分析
• 7.9.3 系統(tǒng)的代碼生成
• 7.9.2 系統(tǒng)的仿真分析
• 7.9.1 系統(tǒng)的性能調(diào)試
• 7.9 系統(tǒng)的性能調(diào)試、仿真及代碼生成
• 7.8.6 系統(tǒng)的優(yōu)化
• 7.8.5 學(xué)習(xí)后系統(tǒng)的變化
• 7.8.4 系統(tǒng)的學(xué)習(xí)過程仿真
• 7.8.3 模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練
• 7.8.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練配置
• 7.8.1 輸出變量的設(shè)置
• 7.8 模糊神經(jīng)網(wǎng)絡(luò)配置及學(xué)習(xí)過程仿真
• 7.7.2 學(xué)習(xí)前系統(tǒng)的規(guī)則觀察及先驗(yàn)規(guī)則的添加
• 7.7.1 建立系統(tǒng)
• 7.7 系統(tǒng)建立
• 7.6.4 ISODATA算法總結(jié)
• 7.6.3 聚類結(jié)果
• 7.6.2 用MATLAB實(shí)現(xiàn)ISODATA算法
• 7.6.1 ISODATA算法應(yīng)用背景
• 7.6 數(shù)據(jù)聚類——ISODATA算法概述聚類
• 7.5.4 模糊C均值聚類結(jié)果分析
• 7.5.3 模糊C均值聚類的MATLAB實(shí)現(xiàn)
• 7.5.2 模糊C均值算法
• 7.5.1 模糊C均值聚類應(yīng)用背景
• 7.5 數(shù)據(jù)聚類——模糊C均值聚類
• 7.4.4 系統(tǒng)結(jié)果分析
• 7.4.3 基于MATLAB的GUI工具的模糊算法構(gòu)建 FIS實(shí)現(xiàn)
• 7.4.2 基于MATLAB的GUI工具的模糊算法構(gòu)建 數(shù)據(jù)模糊化
• 7.4.1 模糊聚類應(yīng)用背景
• 7.4 數(shù)據(jù)聚類——模糊聚類
• 7.3.4 結(jié)論
• 7.3.3 運(yùn)行結(jié)果
• 7.3.2 基于取樣思想的改進(jìn)K均值算法
• 7.3.1 K均值改進(jìn)算法的思想
• 7.3 數(shù)據(jù)聚類——改進(jìn)K均值聚類
• 7.2.4 結(jié)論
• 7.2.3 待聚類樣本的分類結(jié)果
• 7.2.2 K均值聚類的MATLAB實(shí)現(xiàn)
• 7.2.1 K均值聚類的算法
• 7.2 數(shù)據(jù)聚類——K均值聚類
• 7.1.2 記錄樣本數(shù)據(jù)
• 7.1.1 系統(tǒng)分析
• 7.1 數(shù)據(jù)采集
• 第7章 fuzzyTECH的應(yīng)用
• 習(xí)題
• 6.6.3 一致性分析
• 6.6.2 聚類算法
• 6.6.1 消除數(shù)據(jù)沖突
• 6.6 fuzzyTECH中NeuroFuzzy的數(shù)據(jù)聚類
• 6.5.2 學(xué)習(xí)方法
• 6.5.1 隸屬度函數(shù)的訓(xùn)練
• 6.5 fuzzyTECH中NeuroFuzzy學(xué)習(xí)模糊化和解模糊化
• 6.4.3 完成NeuroFuzzy網(wǎng)絡(luò)
• 6.4.2 訓(xùn)練數(shù)據(jù)
• 6.4.1 FAM規(guī)則
• 6.4 fuzzyTECH中NeuroFuzzy學(xué)習(xí)模糊規(guī)則
• 6.3.2 模糊與神經(jīng)網(wǎng)絡(luò)的知識表達(dá)
• 6.3.1 模糊邏輯作為神經(jīng)元
• 6.3 fuzzyTECH中NeuroFuzzy訓(xùn)練的計(jì)算
• 6.2.6 模糊聚類
• 6.2.5 顯示樣本文件
• 6.2.4 處理沖突數(shù)據(jù)
• 6.2.3 刪除冗余數(shù)據(jù)
• 6.2.2 訓(xùn)練CLUSTER1.CSV文件
• 6.2.1 聚類概念
• 6.2 使用FuzzyCluster聚類
• 6.1.2 模糊系統(tǒng)的神經(jīng)模糊網(wǎng)絡(luò)訓(xùn)練 對異或系統(tǒng)進(jìn)行訓(xùn)練
• 6.1.1 使用模糊設(shè)計(jì)向?qū)Мa(chǎn)生一個(gè)模糊異或系統(tǒng)
• 6.1 從采用數(shù)據(jù)文件產(chǎn)生模糊異或系統(tǒng)
• 第6章 基于fuzzyTECH的NeuroFuzzy設(shè)計(jì)技術(shù)
• 習(xí)題
• 5.8.3 修正控制系統(tǒng)
• 5.8.2 文檔生成器
• 5.8.1 工程信息
• 5.8 fuzzyTECH文件記錄與校正控制系統(tǒng)
• 5.7.3 fuzzyTECH在線開發(fā)
• 5.7.2 蒸汽鍋爐鼓輪仿真系統(tǒng)模糊邏輯控制策略
• 5.7.1 蒸汽鍋爐鼓輪仿真系統(tǒng)的操作
• 5.7 fuzzyTECH的在線調(diào)試功能
• 5.6.8 利用交互式調(diào)試模式進(jìn)行系統(tǒng)測試
• 5.6.7 模糊邏輯規(guī)則的修改
• 5.6.6 模糊控制系統(tǒng)中的語言變量修改
• 5.6.5 fuzzyTECH中的響應(yīng)分析
• 5.6.4 在fuzzyTECH中啟動起重機(jī)模糊控制系統(tǒng)
• 5.6.3 fuzzyTECH中的起重機(jī)模糊控制系統(tǒng)
• 5.6.2 起重機(jī)的控制策略
• 5.6.1 起重機(jī)模糊控制系統(tǒng)的用戶工具
• 5.6 基于fuzzyTECH的起重機(jī)模糊控制系統(tǒng)分析
• 5.5 連接fuzzyTECH到其他應(yīng)用
• 5.4 使用優(yōu)化選項(xiàng)優(yōu)化模糊系統(tǒng)
• 5.3.7 模糊規(guī)則公式
• 5.3.6 定義規(guī)則塊
• 5.3.5 定義隸屬度函數(shù)
• 5.3.4 定義語言變量
• 5.3.3 定義文本對象
• 5.3.2 編輯對象
• 5.3.1 模糊系統(tǒng)常見的結(jié)構(gòu)和對象
• 5.3 應(yīng)用fuzzyTECH配置模糊系統(tǒng)
• 5.2 使用模糊設(shè)計(jì)向?qū)гO(shè)計(jì)“empty”模糊系統(tǒng)
• 5.1.3 視圖方式用戶化設(shè)置
• 5.1.2 界面用戶化設(shè)置
• 5.1.1 fuzzyTECH軟件界面
• 5.1 fuzzyTECH界面用戶化
• 第5章 基于fuzzyTECH的模糊設(shè)計(jì)技術(shù)
• 習(xí)題
• 4.3.3 基于MATLAB的模糊神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計(jì)與實(shí)現(xiàn)
• 4.3.2 模糊神經(jīng)網(wǎng)絡(luò)算法的原理
• 4.3.1 應(yīng)用背景
• 4.3 模糊神經(jīng)網(wǎng)絡(luò)用于模式識別系統(tǒng)設(shè)計(jì)
• 4.2.2 神經(jīng)模糊控制系統(tǒng)的MATLAB實(shí)現(xiàn)
• 4.2.1 基于模糊神經(jīng)網(wǎng)絡(luò)的控制器的結(jié)構(gòu)
• 4.2 模糊神經(jīng)網(wǎng)絡(luò)用于控制系統(tǒng)設(shè)計(jì)
• 4.1.2 NeuroFuzzy與其他自適應(yīng)技術(shù)的比較
• 4.1.1 模糊神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
• 4.1 神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)的結(jié)合
• 第4章 基于MATLAB的模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用
• 習(xí)題
• 3.6.5 CPN神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)
• 3.6.4 概率神經(jīng)網(wǎng)絡(luò)（PNN）
• 3.6.3 競爭型人工神經(jīng)網(wǎng)絡(luò)——學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)（LVQ）
• 3.6.2 競爭型人工神經(jīng)網(wǎng)絡(luò)——自組織特征映射神經(jīng)網(wǎng)絡(luò)（SOM）
• 3.6.1 競爭型人工神經(jīng)網(wǎng)絡(luò)——自組織競爭
• 3.6 其他形式的神經(jīng)網(wǎng)絡(luò)
• 3.5.4 RBF網(wǎng)絡(luò)用于模式分類
• 3.5.3 徑向基函數(shù)網(wǎng)絡(luò)參數(shù)選擇
• 3.5.2 徑向基函數(shù)網(wǎng)絡(luò)的特點(diǎn)及作用
• 3.5.1 徑向基函數(shù)的網(wǎng)絡(luò)結(jié)構(gòu)及工作方式
• 3.5 徑向基函數(shù)
• 3.4.5 Hopfield網(wǎng)絡(luò)應(yīng)用于模式分類
• 3.4.4 Hopfield網(wǎng)絡(luò)的連接權(quán)設(shè)計(jì)
• 3.4.3 Hopfield網(wǎng)絡(luò)的穩(wěn)定性和吸引子
• 3.4.2 離散Hopfield網(wǎng)絡(luò)的工作方式
• 3.4.1 離散Hopfield（DHNN）網(wǎng)絡(luò)的結(jié)構(gòu)
• 3.4 反饋神經(jīng)網(wǎng)絡(luò)
• 3.3.5 BP網(wǎng)絡(luò)的其他學(xué)習(xí)算法的應(yīng)用
• 3.3.4 BP網(wǎng)絡(luò)應(yīng)用于模式分類
• 3.3.3 BP網(wǎng)絡(luò)的建立及執(zhí)行
• 3.3.2 BP網(wǎng)絡(luò)
• 3.3.1 感知器網(wǎng)絡(luò)
• 3.3 前饋神經(jīng)網(wǎng)絡(luò)
• 3.2.4 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
• 3.2.3 人工神經(jīng)網(wǎng)絡(luò)的工作過程
• 3.2.2 人工神經(jīng)網(wǎng)絡(luò)基本構(gòu)架
• 3.2.1 人工神經(jīng)元的基本模型
• 3.2 人工神經(jīng)網(wǎng)絡(luò)模型
• 3.1.3 人工神經(jīng)網(wǎng)絡(luò)的定義
• 3.1.2 生物神經(jīng)系統(tǒng)的結(jié)構(gòu)及沖動的傳遞過程
• 3.1.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程
• 3.1 什么是神經(jīng)網(wǎng)絡(luò)
• 第3章 神經(jīng)網(wǎng)絡(luò)及聚類設(shè)計(jì)
• 習(xí)題
• 2.2.7 系統(tǒng)的其他控制算法
• 2.2.6 系統(tǒng)調(diào)試及結(jié)果分析
• 2.2.5 系統(tǒng)軟件設(shè)計(jì)原理
• 2.2.4 系統(tǒng)硬件設(shè)計(jì)原理
• 2.2.3 控制算法設(shè)計(jì)
• 2.2.2 系統(tǒng)控制原理
• 2.2.1 應(yīng)用背景
• 2.2 模糊PID控制直流電動機(jī)伺服系統(tǒng)設(shè)計(jì)
• 2.1.5 模糊控制系統(tǒng)仿真
• 2.1.4 模糊控制器的設(shè)計(jì)
• 2.1.3 模糊控制系統(tǒng)結(jié)構(gòu)
• 2.1.2 鍋爐汽包水位動態(tài)特性
• 2.1.1 應(yīng)用背景
• 2.1 鍋爐汽包水位控制系統(tǒng)設(shè)計(jì)
• 第2章 模糊應(yīng)用——模糊控制系統(tǒng)設(shè)計(jì)
• 習(xí)題
• 1.8.4 將輸出結(jié)果清晰化
• 1.8.3 模糊規(guī)則推理
• 1.8.2 隸屬度函數(shù)的快速計(jì)算方法
• 1.8.1 計(jì)算隸屬度
• 1.8 計(jì)算模糊系統(tǒng)
• 1.7.4 解模糊化
• 1.7.3 模糊推理
• 1.7.2 建立if-then規(guī)則庫
• 1.7.1 模糊化
• 1.7 模糊邏輯系統(tǒng)的建立
• 1.6.6 模糊推理
• 1.6.5 判斷與推理
• 1.6.4 模糊命題與模糊條件語句
• 1.6.3 模糊語言變量
• 1.6.2 語言控制策略
• 1.6.1 模糊邏輯技術(shù)
• 1.6 模糊邏輯及模糊推理
• 1.5.4 模糊變換
• 1.5.3 模糊關(guān)系的性質(zhì)
• 1.5.2 模糊關(guān)系的合成
• 1.5.1 模糊關(guān)系的基本概念
• 1.5 模糊關(guān)系與模糊關(guān)系的合成
• 1.4.3 模糊集合與經(jīng)典集合的聯(lián)系
• 1.4.2 模糊集合的基本運(yùn)算規(guī)律
• 1.4.1 模糊集合的基本運(yùn)算
• 1.4 模糊集合的運(yùn)算
• 1.3.3 隸屬度函數(shù)
• 1.3.2 模糊集合的基本概念
• 1.3.1 由經(jīng)典集合到模糊集合
• 1.3 模糊集合
• 1.2.2 語言不確定性模型
• 1.2.1 不確定的數(shù)學(xué)原理
• 1.2 模糊邏輯的不確定類型
• 1.1.4 模糊邏輯在美國的發(fā)展
• 1.1.3 模糊邏輯在歐洲的發(fā)展
• 1.1.2 模糊邏輯在日本的發(fā)展
• 1.1.1 模糊邏輯的發(fā)展歷程
• 1.1 模糊邏輯的發(fā)展
• 第1章 模糊入門
• 前言
• 版權(quán)信息
• 封面

• 封面
• 版權(quán)信息
• 前言
• 第1章 模糊入門
• 1.1 模糊邏輯的發(fā)展
• 1.1.1 模糊邏輯的發(fā)展歷程
• 1.1.2 模糊邏輯在日本的發(fā)展
• 1.1.3 模糊邏輯在歐洲的發(fā)展
• 1.1.4 模糊邏輯在美國的發(fā)展
• 1.2 模糊邏輯的不確定類型
• 1.2.1 不確定的數(shù)學(xué)原理
• 1.2.2 語言不確定性模型
• 1.3 模糊集合
• 1.3.1 由經(jīng)典集合到模糊集合
• 1.3.2 模糊集合的基本概念
• 1.3.3 隸屬度函數(shù)
• 1.4 模糊集合的運(yùn)算
• 1.4.1 模糊集合的基本運(yùn)算
• 1.4.2 模糊集合的基本運(yùn)算規(guī)律
• 1.4.3 模糊集合與經(jīng)典集合的聯(lián)系
• 1.5 模糊關(guān)系與模糊關(guān)系的合成
• 1.5.1 模糊關(guān)系的基本概念
• 1.5.2 模糊關(guān)系的合成
• 1.5.3 模糊關(guān)系的性質(zhì)
• 1.5.4 模糊變換
• 1.6 模糊邏輯及模糊推理
• 1.6.1 模糊邏輯技術(shù)
• 1.6.2 語言控制策略
• 1.6.3 模糊語言變量
• 1.6.4 模糊命題與模糊條件語句
• 1.6.5 判斷與推理
• 1.6.6 模糊推理
• 1.7 模糊邏輯系統(tǒng)的建立
• 1.7.1 模糊化
• 1.7.2 建立if-then規(guī)則庫
• 1.7.3 模糊推理
• 1.7.4 解模糊化
• 1.8 計(jì)算模糊系統(tǒng)
• 1.8.1 計(jì)算隸屬度
• 1.8.2 隸屬度函數(shù)的快速計(jì)算方法
• 1.8.3 模糊規(guī)則推理
• 1.8.4 將輸出結(jié)果清晰化
• 習(xí)題
• 第2章 模糊應(yīng)用——模糊控制系統(tǒng)設(shè)計(jì)
• 2.1 鍋爐汽包水位控制系統(tǒng)設(shè)計(jì)
• 2.1.1 應(yīng)用背景
• 2.1.2 鍋爐汽包水位動態(tài)特性
• 2.1.3 模糊控制系統(tǒng)結(jié)構(gòu)
• 2.1.4 模糊控制器的設(shè)計(jì)
• 2.1.5 模糊控制系統(tǒng)仿真
• 2.2 模糊PID控制直流電動機(jī)伺服系統(tǒng)設(shè)計(jì)
• 2.2.1 應(yīng)用背景
• 2.2.2 系統(tǒng)控制原理
• 2.2.3 控制算法設(shè)計(jì)
• 2.2.4 系統(tǒng)硬件設(shè)計(jì)原理
• 2.2.5 系統(tǒng)軟件設(shè)計(jì)原理
• 2.2.6 系統(tǒng)調(diào)試及結(jié)果分析
• 2.2.7 系統(tǒng)的其他控制算法
• 習(xí)題
• 第3章 神經(jīng)網(wǎng)絡(luò)及聚類設(shè)計(jì)
• 3.1 什么是神經(jīng)網(wǎng)絡(luò)
• 3.1.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程
• 3.1.2 生物神經(jīng)系統(tǒng)的結(jié)構(gòu)及沖動的傳遞過程
• 3.1.3 人工神經(jīng)網(wǎng)絡(luò)的定義
• 3.2 人工神經(jīng)網(wǎng)絡(luò)模型
• 3.2.1 人工神經(jīng)元的基本模型
• 3.2.2 人工神經(jīng)網(wǎng)絡(luò)基本構(gòu)架
• 3.2.3 人工神經(jīng)網(wǎng)絡(luò)的工作過程
• 3.2.4 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
• 3.3 前饋神經(jīng)網(wǎng)絡(luò)
• 3.3.1 感知器網(wǎng)絡(luò)
• 3.3.2 BP網(wǎng)絡(luò)
• 3.3.3 BP網(wǎng)絡(luò)的建立及執(zhí)行
• 3.3.4 BP網(wǎng)絡(luò)應(yīng)用于模式分類
• 3.3.5 BP網(wǎng)絡(luò)的其他學(xué)習(xí)算法的應(yīng)用
• 3.4 反饋神經(jīng)網(wǎng)絡(luò)
• 3.4.1 離散Hopfield（DHNN）網(wǎng)絡(luò)的結(jié)構(gòu)
• 3.4.2 離散Hopfield網(wǎng)絡(luò)的工作方式
• 3.4.3 Hopfield網(wǎng)絡(luò)的穩(wěn)定性和吸引子
• 3.4.4 Hopfield網(wǎng)絡(luò)的連接權(quán)設(shè)計(jì)
• 3.4.5 Hopfield網(wǎng)絡(luò)應(yīng)用于模式分類
• 3.5 徑向基函數(shù)
• 3.5.1 徑向基函數(shù)的網(wǎng)絡(luò)結(jié)構(gòu)及工作方式
• 3.5.2 徑向基函數(shù)網(wǎng)絡(luò)的特點(diǎn)及作用
• 3.5.3 徑向基函數(shù)網(wǎng)絡(luò)參數(shù)選擇
• 3.5.4 RBF網(wǎng)絡(luò)用于模式分類
• 3.6 其他形式的神經(jīng)網(wǎng)絡(luò)
• 3.6.1 競爭型人工神經(jīng)網(wǎng)絡(luò)——自組織競爭
• 3.6.2 競爭型人工神經(jīng)網(wǎng)絡(luò)——自組織特征映射神經(jīng)網(wǎng)絡(luò)（SOM）
• 3.6.3 競爭型人工神經(jīng)網(wǎng)絡(luò)——學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)（LVQ）
• 3.6.4 概率神經(jīng)網(wǎng)絡(luò)（PNN）
• 3.6.5 CPN神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)
• 習(xí)題
• 第4章 基于MATLAB的模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用
• 4.1 神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)的結(jié)合
• 4.1.1 模糊神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
• 4.1.2 NeuroFuzzy與其他自適應(yīng)技術(shù)的比較
• 4.2 模糊神經(jīng)網(wǎng)絡(luò)用于控制系統(tǒng)設(shè)計(jì)
• 4.2.1 基于模糊神經(jīng)網(wǎng)絡(luò)的控制器的結(jié)構(gòu)
• 4.2.2 神經(jīng)模糊控制系統(tǒng)的MATLAB實(shí)現(xiàn)
• 4.3 模糊神經(jīng)網(wǎng)絡(luò)用于模式識別系統(tǒng)設(shè)計(jì)
• 4.3.1 應(yīng)用背景
• 4.3.2 模糊神經(jīng)網(wǎng)絡(luò)算法的原理
• 4.3.3 基于MATLAB的模糊神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計(jì)與實(shí)現(xiàn)
• 習(xí)題
• 第5章 基于fuzzyTECH的模糊設(shè)計(jì)技術(shù)
• 5.1 fuzzyTECH界面用戶化
• 5.1.1 fuzzyTECH軟件界面
• 5.1.2 界面用戶化設(shè)置
• 5.1.3 視圖方式用戶化設(shè)置
• 5.2 使用模糊設(shè)計(jì)向?qū)гO(shè)計(jì)“empty”模糊系統(tǒng)
• 5.3 應(yīng)用fuzzyTECH配置模糊系統(tǒng)
• 5.3.1 模糊系統(tǒng)常見的結(jié)構(gòu)和對象
• 5.3.2 編輯對象
• 5.3.3 定義文本對象
• 5.3.4 定義語言變量
• 5.3.5 定義隸屬度函數(shù)
• 5.3.6 定義規(guī)則塊
• 5.3.7 模糊規(guī)則公式
• 5.4 使用優(yōu)化選項(xiàng)優(yōu)化模糊系統(tǒng)
• 5.5 連接fuzzyTECH到其他應(yīng)用
• 5.6 基于fuzzyTECH的起重機(jī)模糊控制系統(tǒng)分析
• 5.6.1 起重機(jī)模糊控制系統(tǒng)的用戶工具
• 5.6.2 起重機(jī)的控制策略
• 5.6.3 fuzzyTECH中的起重機(jī)模糊控制系統(tǒng)
• 5.6.4 在fuzzyTECH中啟動起重機(jī)模糊控制系統(tǒng)
• 5.6.5 fuzzyTECH中的響應(yīng)分析
• 5.6.6 模糊控制系統(tǒng)中的語言變量修改
• 5.6.7 模糊邏輯規(guī)則的修改
• 5.6.8 利用交互式調(diào)試模式進(jìn)行系統(tǒng)測試
• 5.7 fuzzyTECH的在線調(diào)試功能
• 5.7.1 蒸汽鍋爐鼓輪仿真系統(tǒng)的操作
• 5.7.2 蒸汽鍋爐鼓輪仿真系統(tǒng)模糊邏輯控制策略
• 5.7.3 fuzzyTECH在線開發(fā)
• 5.8 fuzzyTECH文件記錄與校正控制系統(tǒng)
• 5.8.1 工程信息
• 5.8.2 文檔生成器
• 5.8.3 修正控制系統(tǒng)
• 習(xí)題
• 第6章 基于fuzzyTECH的NeuroFuzzy設(shè)計(jì)技術(shù)
• 6.1 從采用數(shù)據(jù)文件產(chǎn)生模糊異或系統(tǒng)
• 6.1.1 使用模糊設(shè)計(jì)向?qū)Мa(chǎn)生一個(gè)模糊異或系統(tǒng)
• 6.1.2 模糊系統(tǒng)的神經(jīng)模糊網(wǎng)絡(luò)訓(xùn)練 對異或系統(tǒng)進(jìn)行訓(xùn)練
• 6.2 使用FuzzyCluster聚類
• 6.2.1 聚類概念
• 6.2.2 訓(xùn)練CLUSTER1.CSV文件
• 6.2.3 刪除冗余數(shù)據(jù)
• 6.2.4 處理沖突數(shù)據(jù)
• 6.2.5 顯示樣本文件
• 6.2.6 模糊聚類
• 6.3 fuzzyTECH中NeuroFuzzy訓(xùn)練的計(jì)算
• 6.3.1 模糊邏輯作為神經(jīng)元
• 6.3.2 模糊與神經(jīng)網(wǎng)絡(luò)的知識表達(dá)
• 6.4 fuzzyTECH中NeuroFuzzy學(xué)習(xí)模糊規(guī)則
• 6.4.1 FAM規(guī)則
• 6.4.2 訓(xùn)練數(shù)據(jù)
• 6.4.3 完成NeuroFuzzy網(wǎng)絡(luò)
• 6.5 fuzzyTECH中NeuroFuzzy學(xué)習(xí)模糊化和解模糊化
• 6.5.1 隸屬度函數(shù)的訓(xùn)練
• 6.5.2 學(xué)習(xí)方法
• 6.6 fuzzyTECH中NeuroFuzzy的數(shù)據(jù)聚類
• 6.6.1 消除數(shù)據(jù)沖突
• 6.6.2 聚類算法
• 6.6.3 一致性分析
• 習(xí)題
• 第7章 fuzzyTECH的應(yīng)用
• 7.1 數(shù)據(jù)采集
• 7.1.1 系統(tǒng)分析
• 7.1.2 記錄樣本數(shù)據(jù)
• 7.2 數(shù)據(jù)聚類——K均值聚類
• 7.2.1 K均值聚類的算法
• 7.2.2 K均值聚類的MATLAB實(shí)現(xiàn)
• 7.2.3 待聚類樣本的分類結(jié)果
• 7.2.4 結(jié)論
• 7.3 數(shù)據(jù)聚類——改進(jìn)K均值聚類
• 7.3.1 K均值改進(jìn)算法的思想
• 7.3.2 基于取樣思想的改進(jìn)K均值算法
• 7.3.3 運(yùn)行結(jié)果
• 7.3.4 結(jié)論
• 7.4 數(shù)據(jù)聚類——模糊聚類
• 7.4.1 模糊聚類應(yīng)用背景
• 7.4.2 基于MATLAB的GUI工具的模糊算法構(gòu)建 數(shù)據(jù)模糊化
• 7.4.3 基于MATLAB的GUI工具的模糊算法構(gòu)建 FIS實(shí)現(xiàn)
• 7.4.4 系統(tǒng)結(jié)果分析
• 7.5 數(shù)據(jù)聚類——模糊C均值聚類
• 7.5.1 模糊C均值聚類應(yīng)用背景
• 7.5.2 模糊C均值算法
• 7.5.3 模糊C均值聚類的MATLAB實(shí)現(xiàn)
• 7.5.4 模糊C均值聚類結(jié)果分析
• 7.6 數(shù)據(jù)聚類——ISODATA算法概述聚類
• 7.6.1 ISODATA算法應(yīng)用背景
• 7.6.2 用MATLAB實(shí)現(xiàn)ISODATA算法
• 7.6.3 聚類結(jié)果
• 7.6.4 ISODATA算法總結(jié)
• 7.7 系統(tǒng)建立
• 7.7.1 建立系統(tǒng)
• 7.7.2 學(xué)習(xí)前系統(tǒng)的規(guī)則觀察及先驗(yàn)規(guī)則的添加
• 7.8 模糊神經(jīng)網(wǎng)絡(luò)配置及學(xué)習(xí)過程仿真
• 7.8.1 輸出變量的設(shè)置
• 7.8.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練配置
• 7.8.3 模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練
• 7.8.4 系統(tǒng)的學(xué)習(xí)過程仿真
• 7.8.5 學(xué)習(xí)后系統(tǒng)的變化
• 7.8.6 系統(tǒng)的優(yōu)化
• 7.9 系統(tǒng)的性能調(diào)試、仿真及代碼生成
• 7.9.1 系統(tǒng)的性能調(diào)試
• 7.9.2 系統(tǒng)的仿真分析
• 7.9.3 系統(tǒng)的代碼生成
• 7.10 系統(tǒng)的工作過程分析
• 7.10.1 確定系統(tǒng)所屬語言值
• 7.10.2 確定所用的模糊規(guī)則及系統(tǒng)的輸出
• 7.11 系統(tǒng)模糊神經(jīng)模塊的結(jié)構(gòu)及算法分析
• 7.11.1 模糊模塊及模糊神經(jīng)網(wǎng)絡(luò)模塊
• 7.11.2 模糊神經(jīng)網(wǎng)絡(luò)模塊
• 7.11.3 模糊神經(jīng)算法
• 習(xí)題 更新時(shí)間：2018-12-27 16:09:22